$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] Normalized Rayleigh Likelihood를 활용한 표적신호세기정보 적용 다중표적추적 기술
Multiple Target Tracking using Normalized Rayleigh Likelihood of Amplitude Information of Target 원문보기

韓國軍事科學技術學會誌 = Journal of the KIMST, v.20 no.4, 2017년, pp.474 - 481  

김수진 (국방과학연구소 제5기술연구본부) ,  정영헌 (국방과학연구소 제5기술연구본부) ,  김성준 (국방과학연구소 제5기술연구본부)

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper presents a multiple target tracking system using Normalized Rayleigh likelihood of amplitude information of target. Although many studies of Radar systems using amplitude information have been studied, they are focused on single target tracking. This paper proposes the multiple target tra...

주제어

#레이더반사면적   #레이더   #결합확률데이터연관   #댜중표적추적  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 또한 다중표적의 경우 Liu[4]가 CJPDA의 경우로 단순화 하여 신호세기 정보를 Rayleigh 우도비를 가중치로 적용하여 시험하였는데, 이는 다중표적의 경우 신호세기가 큰 표적으로만 할당하는 문제점을 갖고 있음을 확인하였다. 따라서 본 논문에서는 Normalized Rayleigh 우도비를 JPDA 연관확률 획득과정에 적용하여 다중표적의 경우에도 신호세기 정보에 따른 측정치 대 항적 연관의 정확도를 향상 시키는 기법을 제안하였다. 제안기술을 적용함으로써 다중표적의 항적 유지율 및 항적 추정의 정확도가 향상됨을 확인 하였다.
  • 따라서 본 논문에서는 다중표적의 경우에는 신호세기를 우도비로 적용하지 않고, Normalized Rayleigh 우도비(Normalized Rayleigh likelihood)를 활용한 신호세기 정보 적용방안을 제안한다. Normalized Rayleigh 우도는 클러터와 표적 RCS의 수신신호세기 비율이 아닌 수신표적 RCS분포만을 고려한 것이다.
  • 본 논문에서는 JPDA기반 다중표적추적 시스템에서 신호세기를 적용한 알고리즘 성능 분석을 진행하였다. 실험환경은 서로 다른 RCS값을 갖는 두 표적이 교차하는 경우로 실험을 수행하였으며, 상세 시험 환경은 아래 표와 같다.
  • 본 논문에서는 레이더 센서기반 다중표적 추적 기술로 기존의 레이더 센서로부터 획득된 표적의 거리 및 방위각 정보 외에 신호세기 정보를 다중표적 추적시스템에서의 데이터 연관기법에 적용하는 방안을 제안한다. 특히 그동안의 레이더 신호세기 적용 연구는 단일표적 추적에만 국한됨에 비해 다중표적 추적 기술로 확장하였으며, Rayleigh 우도비(Rayleigh likelihood ratio) 적용에 대한 문제점을 분석하고 이를 개선하기 위해 Normalized Rayleigh likelihood를 활용한 신호세기 정보 활용방안을 제안한다.

가설 설정

  • 6은 [-4, 83]의 좌표에서 두 개의 표적이 동시에 교차할 때, Rayleigh likelihood ratio와 Normalized Rayleigh likelihood ratio 적용 시 다중표적 추적 성능을 나타낸다. 우측하단에서 좌측 상단으로 이동하는 검은색 표적은 20 dB, 중앙상단으로 이동하는 빨간색 표적은 10 dB의 평균 신호 대 잡음비를 갖는 표적이라 가정한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
JPDA란? JPDA는 다중물체의 위치를 추정을 위해 게이트 내 검출된 모든 측정치와 다중트랙과의 연관확률을 구하는 방식이다. 이는 측정치와 트랙 간에 발생할 수 있는 모든 사건의 경우를 고려함으로써, 클러터가 많은 환경에서 보다 강인한 성능을 보인다.
본 논문에서 제안하는 레이더센서 기반 표적추적 기술 특징은? 이러한 기존 데이터 연관기법에서 나아가 표적의 추적성능을 개선하기 위한 연구 또한 활발하게 진행되고 있다. 기존 연구들은 측정치들로부터 거리, 속도, 가속도 등의 운동학 정보(Kinematic information)를 사용하여 데이터 연관을 수행하는데서 나아가 측정치로부터 반사 신호세기(Amplitude), 형태 특성(Appearance) 등의 유용한 정보를 융합하여 연관시키는 기술 들이 개발되고 있다[5-9].특히 레이더센서 기반 표적추적 기술에서는 신호세기 정보를 활용한 표적추적기술에 대한 연구가 활발히 수행되어 왔지만 주로 신호세기, 즉, 레이더 반사영역(RCS, Radar Cross Section)의 특성분석에 관한 연구가 수행되어 왔다[5-8].
현재까지 개발된 데이터 연관기법 종류는? 현재까지 개발된 데이터 연관기법으로는 탐지결과를 기반으로 유효 게이트(Gate)내 가장 가까운 거리에 존재하는 측정치를 항적과 연관시키는 Nearest Neighbor(NN)기법[2]과 측정치와 항적사이에 연관될 수 있는 모든 경우의 수를 고려하여 확률로 연관도를 판단하는 Joint Probabilistic Data Association(JPDA)[3], JPDA의 높은 복잡도를 개선하기 위해 NN기법을 혼용한 NNJPDA[4] 기법 등이 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (13)

  1. S Lee, D Choi, Y Jung, S Lee, J Yoon, “Development of FMCW Radar Target Signal Simulator using Multiplebeam,” Journal of the Korea Institute of Military Science and Technology, Vol. 15, No. 3, pp. 343-349, 2012. 

    원문보기 상세보기 crossref

  2. X. R. Li and Y. Barshalom, "Tracking in clutter with Nearest neighbor Filters: Analysis and Performance," IEEE Transaction on Aerospace and Electronic Systems, Vol. 32, No. 3, 1996. 

  3. Yaakov Bar-Shalom and Thomax E. Fortmann, "Tracking and Data Association," Academic Press, 1988. 

  4. Yao Liu, Wei Zhang, Mingyan Chen, "Near Neighbor Cheap JPDA IMM Based on Amplitude Information," IEEE International Workshop on Microwave and Millimeter Circuits and System Technology(MMWCST), pp. 1-5, Apr., 2012. 

  5. D. Lerro, “Interacting Multiple Model Tracking with Target Amplitude Feature,” IEEE Trans. on Aerospace and Electronic Systems, Vol. 28, No. 2, pp. 494-509, Apr., 1993. 

  6. S. Puranik Jitendra, K. Tugnai, "Tracking of Multiple Maneuvering Targets using Multiscan JPDA and IMM Filtering," IEEE Transactions on Aerospace and Electronic Systems, Vol. 43, No. 1, Jan. 2007. 

    상세보기

  7. M. Mertens, M. Ulmke, "GMTI Tracking using Signal Strength Information," IEEE 13th Conference on Information Fusion, pp. 1-8, July, 2010. 

  8. E. F. Brekke, O. Hallingstad, J. H. Glattetre, "Target Tracking in Heavy-Tailed Clutter using Amplitude," IEEE 12th International Conference on Information Fusion, pp. 2153-2160, July, 2009 

  9. L. M. Ehrman, C. Burton, W. D. Blair, "Using Target RCS to Aid Measurement-to-Track Association in Multi-Target Tracking," IEEE 38th Southeaster Symposium on System Theory, pp. 89-93, 2006. 

  10. S. Wu, Y. Tan, S. Das, C. Broaddus, M. Y. Chiu, "Multiple-Target Tracking via Kinematics, Shape and Appearance Based Data Association," Proc. SPIE Signal and Data Processing of Small Targets, Vol. 7445, Sep. 2009. 

  11. M. S. Arulampalam, et. Al., "A Tutorial on Particle Filters for Online Nonlinear/Non Gaussian Bayesian Tracking," IEEE Transactions on Signal Processing, Vol. 50, No. 2, 2002. 

    상세보기

  12. G. A. Watson and W. D. Blair, "IMM Algorithm for Tracking Targets that maneuver Through Coordinated Turns," Proc. SPIE., Vol. 1698, pp. 236-247, 1992. 

  13. D. Lerro and Y. Bar-Shalom, "Automated Tracking with Target Amplitude Information," Proc. IEEE American Control Conference, pp. 2875-2880, March, 2009. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로